跳到正文
  1. The Decoder80

    OpenAI 的 GPT-6 Astra 协助构建格点上的标准模型数学证明

    OpenAI 的 GPT-6 Astra 帮助物理学家 Nathaniel Craig 把一项修正 overlap fermions 相位的策略转化为可行构造,并主导了详细证明,该证明可能解决粒子物理中悬置 50 年的问题。

    推荐理由:材料交代了格点规范理论中相位修正这一具体难点,以及 GPT-6 Astra 在证明环节承担的角色。

  2. Microsoft Research66

    微软研究院等发布 TokenEconomizer:让编码智能体从历史会话中学习降本

    微软研究院联合 UC Berkeley 和 Microsoft Security 发布开源插件 TokenEconomizer,它从编码智能体在仓库中的历史会话学习,在不改动智能体和底层模型的前提下降低后续会话的 token 开销。

    推荐理由:微软研究院联合 UC Berkeley 发布的插件,在 277 个 SWE-Bench 任务上把编码智能体成本降低 18.4–30.9%,可了解经验驱动降本的具体机制。

  1. Microsoft Research80

    微软研究披露 Lazarus 后门:重编程休眠神经元即可控制 AI 智能体

    微软研究人员发现名为 Lazarus 的后门技术,通过重编程 LLM 中不到 10 个休眠神经元,无需训练即可给基于该模型的智能体植入后门,模型仍能通过标准评测,直到触发条件出现才执行攻击者命令。

    推荐理由:微软研究团队披露一种无需训练、仅改动不到 10 个休眠神经元即可给智能体植入后门的权重篡改方法,并给出溯源与检测思路。

  1. Google Research75

    Google 研究用智能手表 PPG 与加速度传感器无袖带检测高血压迹象

    Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统,仅用智能手表的 PPG 与加速度传感器数据、无需袖带校准即可被动识别高血压状态。

    推荐理由:研究以 24 小时动态血压监测为金标准,对比智能手表无袖带筛查与诊室测量的灵敏度、特异度,可了解被动筛查路径的可行性边界。

  1. Berkeley AI Research62

    K-Search 扩展 MLX 后端:把 CUDA 内核经验迁移到 Apple Silicon

    Berkeley AI Research 发布研究,为 K-Search 演化式内核搜索框架新增 MLX 后端,并设计结构化的 CUDA-to-MLX 翻译层,让已有 CUDA 内核作为知识库被改写为 Apple Silicon 内核。

    推荐理由:读者可以看到 CUDA 内核经验如何被结构化迁移到 Apple Silicon,以及翻译层对性能提升的具体贡献。

已经到底了